用途：Continuous Skill Optimizer 是为技能（skill）设计的自主优化循环，专注提升技能触发质量与指令保真度，采用类似 autoresearch 的实验机制，对目标技能进行迭代实验。触发方式包括“optimize this skill”“run the continuous optimizer”“improve this trigger description”等。
主要能力：执行流程分为四个阶段。阶段一为引导式发现，通过设置访谈收集实验参数：目标技能目录路径、评测集路径（.jsonl 或 .csv，若没有可先询问是否生成默认评测集）、循环预算（如 max-iterations=5）、目标变量（优化 description 触发短语还是 body 指令）、是否自动应用（获胜迭代是否自动覆盖源技能，还是仅记录为建议）。阶段二回顾确认参数并询问是否继续。阶段三执行优化循环：先运行并记录基线评测，每次迭代只改变一个主导变量（如描述措辞、范围、排除项），将迭代分类为 keep、discard 或 crash；若崩溃或超时，记录失败并回退到上一个已知良好状态；所有运行写入持久账本 evals/results.tsv。阶段四优化后回顾：若未自动应用，给出获胜的描述或正文并询问是否手动应用，并建议查看账本或运行 ./scripts/eval-viewer/generate_review.py 进行可视化审查。
必要用法：脚本示例语法为 python ${CLAUDE_PLUGIN_ROOT}/scripts/execute_optimizer.py --skill [target-skill] --evals [eval-set-path] --max-iterations [N] --auto-apply [true/false]。需先完成阶段一和阶段二确认，再执行阶段三。
限制：必须按顺序执行各阶段，不可跳过。需要预先提供目标技能路径和评测数据集；其他平台要求、收费与价格信息暂未提供。